Question

This帖子展示了如何使用Spacy的标记符获取Conll格式的文本块的依赖关系。这是解决方案：

import spacy
nlp_en = spacy.load('en')
doc = nlp_en(u'Bob bought the pizza to Alice')
for sent in doc.sents:
        for i, word in enumerate(sent):
              if word.head == word:
                 head_idx = 0
              else:
                 head_idx = word.head.i - sent[0].i + 1
              print("%d\t%s\t%s\t%s\t%s\t%s\t%s"%(
                 i+1, # There's a word.i attr that's position in *doc*
                  word,
                  word.lemma_,
                  word.tag_, # Fine-grained tag
                  word.ent_type_,
                  str(head_idx),
                  word.dep_ # Relation
                 ))

输出此块：

1   Bob bob NNP PERSON  2   nsubj
2   bought  buy VBD     0   ROOT
3   the the DT      4   det
4   pizza   pizza   NN      2   dobj
5   to  to  IN      2   dative
6   Alice   alice   NNP PERSON  5   pobj

我想在不使用doc.sents的情况下获得相同的输出。

确实，我有自己的句子分割器。我想使用它，然后一次给Spacy一个句子来获得POS，NER和依赖项。

如何使用Spacy获取Conll格式的一个句子的POS，NER和依赖关系，而无需使用Spacy的句子分割器？

Answer 1

@WebServlet(name = "PatientControllerServlet") public class PatientControllerServlet extends HttpServlet { private PatientDBUtil patientDBUtil; private DataSource dataSource; @Override public void init() throws ServletException { super.init(); //create our patient db util .. and pass in the conn pool /datasource try{ patientDBUtil = new PatientDBUtil(dataSource); } catch (Exception exc){ throw new ServletException(exc); } } protected void doGet(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException { // list the patients .. in MVC fashion try { listPatients(request, response); } catch (Exception exc) { throw new ServletException(exc); } } private void listPatients(HttpServletRequest request, HttpServletResponse response) throws Exception { // get patients from db util List<Patient> patients = patientDBUtil.getPatients(); // add patients to the request request.setAttribute("PATIENT_LIST", patients); //send to JSP page (view) RequestDispatcher dispatcher = request.getRequestDispatcher("/list_patients.jsp"); dispatcher.forward(request, response); } }中的Document是可迭代的，并且在文档中指出它迭代sPacy s

Token

因此，我相信您只需为每个被拆分的句子制作| __iter__(...) | Iterate over `Token` objects, from which the annotations can be | easily accessed. This is the main way of accessing `Token` objects, | which are the main way annotations are accessed from Python. If faster- | than-Python speeds are required, you can instead access the annotations | as a numpy array, or access the underlying C data directly from Cython. | | EXAMPLE: | >>> for token in doc，然后执行以下操作：

Document

当然，按照CoNLL格式，您必须在每个句子后打印换行符。

Answer 2

This帖子是关于使用spacy句子边界检测的用户面临意外的句子中断。 Spacy开发人员提出的解决方案之一（如文章所述）是增加灵活性来添加自己的句子边界检测规则。这个问题与Spacy的依赖解析相结合，而不是在它之前解决。因此，我不认为Spacy目前支持的是什么，尽管可能在不久的将来。

Answer 3

@ashu的回答部分正确：spaCy中的设计将紧密依赖解析和句子边界检测紧密结合在一起。虽然有一个简单的哨兵。

https://spacy.io/api/sentencizer

似乎哨兵只使用标点符号（不是完美的方式）。但是，如果存在这样的哨兵，那么您可以使用自己的规则创建一个自定义哨兵，这肯定会影响句子的边界。

Spacy到Conll格式而不使用Spacy的句子分割器

3 个答案: